使用人工智能开启决策信息交互型专利数据解读

传统意义上的专利数据解读大致分三个步骤：1.目标设立，2.数据构建，3.报告生成。这样划分可能比较粗糙，但是从阶段任务来看，大致如此。顺着这个思路来看一下传统意义上的划分或完成步骤有什么不足，也看一下人工智能出现后的替代解决方案。

传统意义上目标设定都会比较模糊，因为真正完成一件任务的时候确实不会有太细节的考虑，这种细节的添加往往伴随产生在任务进行中，也就是第二，数据构建。不妨举一个具体的例子来说明这个事情。

目标是分析一下国内各个省级自治区的专利工作状态，拿到这个任务后第一反应就是切分数据，比如来一个这样的表格最合适：

顺着这个表格把数据做一下可视化，方便横向比较，这个也是最合理的：

接下来是报告的完成了，一个非常核心的挑战，是叙事角度如何来确定，正常情况下为了充分而具体，报告的架构一定是充分展开型，即对于整个省级行政单位，针对每一个可以被比较的指标进行横向展开描述。从客观上思考，人类自己撰写的报告一定有所谓的“信息压缩”。还是举一个例子，横向比较的时候我们容易注意到的是优势的，突出的，这些内容会被重点表达出来，而不重点，不重要的呢，一定会被忽略或者是一笔带过。就如同历史书不会记载家长里短，而是会重点写王朝更替。

如果利用人工智能来转变思路呢，还是一个非常具体的例子，此次使用的是KIMI，当然当前任何等效大模型都具备类似的功能，示例如下：

绿色文件标记为上述excel的整体上传版，相关数据通过制作完成后直接上传大模型，数据的维度相当多，竖排一共60个国家地区以及中国的省级单位，这是因为按照中国专利局的数据进行排列，外国来华的国家主体根据数量顺序插入了其中；横排按照标号从A到AN，26+14=40组维度，60*40的矩阵数据显然是超出人类的短时间处理能力的，但是人工智能却非常善于就这个数据来进行回答，我们看其对与相关问题的回答节选如下：

同时，对于任何问题都可以进行追问，即人类报告的“一次性”问题比较严重，而人工智能显然是不怕问的，在此追问了一下内蒙古自治区，问题如下：

可以观测到，大模型的信息处理能力远超人类，同时其可以随时调用相关互联网信息以及其通过训练学习到的状态知识进行辅助，配合制造好的真实数据，进行分析决策就会是一个非常高效的协助者，它的大量信息均会有很好的参考价值。

我们完全站在了一个全新的数据分析时代，基于未来的报告，其构成依然可以保留传统的部分，即大报告，精缩版，但是同时应该提供相应的数据底稿，也就是如excel示例的存在，因为后者是人工智能时代知产数据报告的核心，使用这种方式将会实现一个全新维度的信息压缩，即真正的决策者可以绕过大量的信息迷雾，直击重点，传统报告的自下而上的信息推荐将会被人工智能的无所不能所颠覆。我们设想，决策者依然可以阅读自下而上的报告，并字斟句酌其中的要点，但是决策者往往拥有下属们所没有的视野广度和深度，此时他们自己一个突发奇想或者一个刨根问底都可以在真实数据为基础的人工智能的帮助下立刻得到回答，而且会是多轮的问答，这将是一个全新的开始，一个优势的累计。当然，拒绝者将自动成为败者组，因为信息差的累计将会真实的击败所有抱残守缺者。

彩蛋：大家可以找客服要相关excel，放进大模型来看一看自己家乡的专利怎么样，问问题的姿势就自选了哈。